KEPUTUSAN
PERTEMUAN-4
Turban, Aronson, and Liang
Decision Support Systems and Intelligent Systems,
Seventh Edition
BAB 4
PEMODELAN DAN ANALISIS
Tujuan Pembelajaran
Memahami konsep dasar MSS modeling.
Menjelaskan interaksi MSS models.
Memahami model class yang berbeda.
Menyusun pengambilan keputusan dari beberapa
alternatif.
Mempelajari bagaimana menggunakan spreadsheets
dalam MSS modeling.
Memahami konsep optimization, simulation, dan
heuristics.
Mempelajari untuk menyusun linear program
modeling.
4-3
Tujuan Pembelajaran
Memahami kemampuan linear programming.
Mengkaji metode pencarian untuk MSS models.
Menentukan perbedaan antara algorithms, blind
search, heuristics.
Menangani multiple goals.
Memahami sensitivity, automatic, what-if analysis,
goal seeking.
Mengetahui topik utama dari model management.
4-4
Dupont Simulates Rail Transportation System and
Avoids Costly Capital Expense Vignette
4-6
Simulasi
Menelusuri masalah
Mengidentifikasi alternatif solusi
Dapat berorientasi obyek
Meningkatkan proses pengambilan keputusan
Memberikan gambaran dampak dari alternatif
keputusan
4-7
DSS Models
Algorithm-based models
Statistic-based models
Linear programming models
Graphical models
Quantitative models
Qualitative models
Simulation models
4-8
Identifikasi Masalah
Memahami dan menganalisa lingkungan luar
Business intelligence
Mengidentifikasi variable dan hubungan
Influence diagrams
Cognitive maps
Forecasting
Ditingkatkan dengan e-commerce
Meningkatkan jumlah informasi yang tersedia
melalui teknologi
4-9
Kategori Model
4-10
Static Models
Gambaran sederhana dari situasi
Single interval
Time can be rolled forward, a photo at a time
Biasanya berulang
Steady state
Optimal operating parameters
Continuous
Unvarying
Primary tool for process design
4-11
Dynamic Model
Merepresentasikan situasi yang kerap berubah
Time dependent
Kondisi yang beragam
Generate dan menggunakan trends
Suatu kejadian mungkin saja tak berulang
4-12
Decision-Making
Certainty (Kepastian)
Diasumsikan sebagai knowledge utuh
Dapat mengetahui semua hasil yang potensial
Mudah digunakan
Dapat menentukan solusi ulang dengan mudah
Sangat kompleks
4-13
PENGAMBILAN KEPUTUSAN
Uncertainty (Ketidak pastian)
Beberapa hasil untuk setiap keputusan
Kemungkinan yang terjadi untuk setiap hasil tidak
dapat diketahui
Informasi yang tidak mencukupi
Membutuhkan resiko dan keinginan untuk
mengambil resiko
Pendekatan Pessimistic/optimistic
4-14
PENGAMBILAN KEPUTUSAN
Probabilistic Decision-Making
Keputusan yang beresiko
Probabilitas dari beberapa hasil yang
memungkinkan bisa saja terjadi
Analisa Resiko
Menghitung nilai untuk setiap alternatif
Memilih nilai terbaik
4-15
Influence Diagrams
Model disajikan dengan grafis
Menyediakan relationship framework
Menguji ketergantungan antar variabel
Semua level disajikan detail
Menunjukkan dampak perubahan
Menunjukkan what-if analysis
4-16
Influence Diagrams
Variables:
Intermediate Result atau
Decision atau outcome
uncontrollable (intermediate atau
final)
Sales
Uncertainty Price
4-17
Influence Diagrams
~
Random (risk) Demand
Place tilde above Sales
variable’s name
Sleep all
day
Graduate Get job
Preference University
(double line arrow)
Ski all
day
Anak panah bisa satu atau dua arah, tergantung pada arah
dari pengaruh
4-18
An Influence Diagram For Profit Model
4-19
Modeling dengan Spreadsheets
Fleksibel dan mudah
End-user modeling tool
Memungkinkan penggunaan linear
programming dan analisa regresi
Meliputi what-if analysis, data management,
macros
Sempurna dan transparan
Memasukkan Model Statis dan Dinamis
4-20
4-21
Decision Tables
Analisa keputusan untuk multi kriteria
Meliputi:
Decision variables (alternatif)
Uncontrollable variables (Variabel tak terkontrol)
Result variables (Variabel Hasil)
Menerapkan prinsip-prinsip certainty,
uncertainty, and risk
4-22
Tabel Keputusan
Penggambaran dari beberapa hubungan
Pendekatan multi kriteria
Menunjukkan hubungan yang kompleks
Tidak praktis, bila terlalu banyak alternatif
4-23
MSS Mathematical Models
Menyatukan decision variables, uncontrollable
variables, parameters, dan result variables
Decision variables menggambarkan alternatif pilihan.
Uncontrollable variables adalah sesuatu yang berada diluar
kemampuan decision-maker.
Faktor tetap adalah parameter.
Intermediate outcomes adalah intermediate result
variables.
Result variables tergantung pada solusi terpilih dan
uncontrollable variables.
4-24
MSS Mathematical Models
Nonquantitative models
Hubungan Simbolis
Hubungan Kualitatif
Hasil akan tergantung pada
Keputusan yang dipilih
Faktor-faktor diluar kemampuan decision maker
Hubungan antar variabel
4-25
Gambaran Umum Quantitative Model
4-26
Variabel Hasil (Result Variables)
Variabel ini merefleksikan efektivitas dari sistem. Variabel hasil tergantung pada
variabel keputusan dan variabel tak terkontrol.
4-27
Contoh
Area Decision Result Variable Uncontrollable
Variable variables and
Parameters
Financial Investment Total profit Inflation rate
investment alternatives and Rate of return Competition
amounts Earning per share
Periode of investment Liquidity level
Timing of investment
4-28
QUIZ
Purchasing
Penjualan
4-29
Mathematical Programming
Tools untuk menyelesaikan masalah manajerial
Decision-maker harus mengalokasikan sumber daya
Optimisasi tujuan tertentu
Linear programming
Terdiri dari decision variables, objective function and
coefficients, uncontrollable variables (constraints),
capacities, input and output coefficients
4-30
Multiple Goals
Seringkali manajemen menginginkan beberapa
tujuan yang dapat saling menimbulkan konflik
Sulit menentukan ukuran efektifitas
Metode Penanganan:
Utility theory
Goal programming
Linear programming with goals as constraints
Point system
4-31
Sensitivity, What-if, and Goal Seeking Analysis
Sensitivity
Mengkaji dampak dari perubahan input atau parameter terhadap
solusi
Dapat disesuaikan dan fleksibel
Mengurangi variabel
Otomatis atau trial and error
What-if
Mengkaji solusi berdasarkan pada perubahan variabel atau asumsi
Struktur : “What will happen to the solution if an input variable, an
assumption, or a parameter value is changed?”
Goal seeking
Pendekatan mundur (Backwards approach), dimulai dengan tujuan
Menentukan nilai input yang diperlukan untuk mencapai tujuan
Contoh: Penentuan break-even point
4-32
Search Approaches
Teknik Analisis (algoritma) untuk masalah terstruktur
General, step-by-step search
Mencapai solusi yang optimal
Blind search
Complete enumeration
Semua alternatif dipertimbangkan dan sehingga solusi
optimal dapat ditemukan.
Incomplete/Partial search
Dikerjakan sampai menemukan solusi yang “good
enough”.
Mencapai tujuan tertentu
Mungkin mencapai tujuan yang optimal
4-33
Search Approaches
Heurisitic
Repeated, step-by-step searches
Rule-based, hanya digunakan untuk situasi tertentu
Solusi yang “Good enough” , tetapi, akhirnya mencapai
tujuan yang optimal
Contoh heuristics
Tabu search
Mengingat dan mengarahkan pada pilihan yang lebih berkualitas
Genetic algorithms
Menjalankan solusi dan mutasi secara random
4-34
4-35
Simulasi
Bentuk imitasi dari kenyataan
Memungkinkan eksperimentasi dan waktu yang lebih singkat
Deskriptif, bukan normatif
Mencakup kompleksitas, tetapi membutuhkan keterampilan khusus
Menangani masalah tidak terstruktur
TIdak menjamin tercapainya solusi optimal
Metodologi
Mendefinisikan masalah
Membuat model
Testing dan validasi
Merancang eksperimen
Eksperimentasi
Evaluasi
Implementasi
4-36
Simulasi
Probabilistic independent variables
Discrete or continuous distributions
Time-dependent atau time-independent
Visual interactive modeling
Grafis
Decision-makers berinteraksi dengan simulated
model
Dapat digunakan dengan artificial intelligence
Dapat berorientasi obyek
4-37
Proses Simulasi
4-38
Model-Based Management System
4-40